许可协议: cc-by-nc-4.0
基础模型: MCG-NJU/videomae-base
标签:

• 训练生成
• 破坏行为
• 视频分类
• ucf-crime数据集
• 破坏行为检测
• videomae框架
  评估指标:
• 准确率

模型索引:

• 名称: videomae-base-finetuned-ucfcrime-full2
  结果: []

videomae-base-finetuned-ucfcrime-full2

该模型是基于MCG-NJU/videomae-base在UCF-CRIME数据集上微调的版本。代码仓库：GitHub
在验证集上的评估结果如下:

• 损失值: 2.5014
• 准确率: 0.225

模型描述

需补充更多信息

使用场景与限制

通过手机摄像头实时推理（需在手机端安装ipwebcam应用）

（代码部分保持原样，仅注释翻译）  
# 初始化视频捕获对象，将ip地址替换为手机本地ip（可在ipwebcam应用中查看）  
# 设置帧尺寸（可选）  
# 加载图像处理器和预训练模型  
# 将模型移至GPU设备  
# 实时帧处理与分类结果显示逻辑  

基础使用方式

（代码部分保持原样，仅注释翻译）  
# 使用PyAV解码视频  
# 采样16帧视频  
# 加载图像处理器和预训练模型  
# 执行推理并输出预测类别  

训练与评估数据

需补充更多信息

训练流程

训练超参数

• 学习率: 5e-05
• 训练批大小: 8
• 评估批大小: 8
• 随机种子: 42
• 优化器: Adam (beta1=0.9, beta2=0.999, epsilon=1e-08)
• 学习率调度器类型: 线性
• 预热比例: 0.1
• 训练步数: 700

训练结果

框架版本

• Transformers 4.38.1
• PyTorch 2.1.2
• Datasets 2.1.0
• Tokenizers 0.15.2